یادگیری دوگانه (Dual Learning)
در این نوع یادگیری، ساختارهایی دوگانه وجود دارند که با ارسال فیدبک هایی به یکدیگر باعث بهبود عملکرد همدیگر می گردند.
بسیاری از مسائل در هوش مصنوعی به صورت فرایند های دوگانه شکل میگیرند. بطور مثال ترجمه انگلیسی به فرانسوی در مقابل ترجمه فرانسوی به انگلیسی، بازشناسی گفتار و تبدیل گفتار به متن در مقابل تبدیل متن به گفتار ،پاسخ به سوال در برابر ایجاد سوال(question generation) و طبقه بندی تصاویر در برابر ایجاد تصاویر. با وجود اینکه این نوع ساختارهای دوگانه در موضوعات هوش مصنوعی بسیار رایج است اما اکثر الگوریتم های هوش و یادگیری ماشین از این ساختارها در الگوریتم های یادگیری و استنتاجی خود استفاده نکرده اند.
به تازگی گروهی از محققین شرکت مایکروسافت، پارادایم جدیدی در یادگیری ماشین بر مبنای این نوع فرایند های دوگانه ارائه داده اند که از این ساختار دوگانه برای بهبود نتیجه در وظایف یادگیری ماشین استفاده میکند. آنها این روش جدید را یادگیری دوگانه(Dual Learning) نامیده اند.
در این روش سیستم با گرفتن سیگنال هایی به صورت فیدبک از ساختار دوگانه مقابلش برای بهبود خودش استفاده میکند. آنها از این روش جدید در انواع وظایف یادگیری مانند یادگیری با ناظر، بدون ناظر و یا نیمه نظارتی یا یادگیری انتقالی استفاده کرده اند. آنها این روش را حتی با ابزارهای فعلی مانند شبکه های عمیق گن(GAN) نیز ترکیب کرده اند که منجر به بهبود قابل توجهی در عملکرد این سیستم ها شده است.
#machinelearning #artificialintelligence #duallearning #gan
@pythonicAI
در این نوع یادگیری، ساختارهایی دوگانه وجود دارند که با ارسال فیدبک هایی به یکدیگر باعث بهبود عملکرد همدیگر می گردند.
بسیاری از مسائل در هوش مصنوعی به صورت فرایند های دوگانه شکل میگیرند. بطور مثال ترجمه انگلیسی به فرانسوی در مقابل ترجمه فرانسوی به انگلیسی، بازشناسی گفتار و تبدیل گفتار به متن در مقابل تبدیل متن به گفتار ،پاسخ به سوال در برابر ایجاد سوال(question generation) و طبقه بندی تصاویر در برابر ایجاد تصاویر. با وجود اینکه این نوع ساختارهای دوگانه در موضوعات هوش مصنوعی بسیار رایج است اما اکثر الگوریتم های هوش و یادگیری ماشین از این ساختارها در الگوریتم های یادگیری و استنتاجی خود استفاده نکرده اند.
به تازگی گروهی از محققین شرکت مایکروسافت، پارادایم جدیدی در یادگیری ماشین بر مبنای این نوع فرایند های دوگانه ارائه داده اند که از این ساختار دوگانه برای بهبود نتیجه در وظایف یادگیری ماشین استفاده میکند. آنها این روش جدید را یادگیری دوگانه(Dual Learning) نامیده اند.
در این روش سیستم با گرفتن سیگنال هایی به صورت فیدبک از ساختار دوگانه مقابلش برای بهبود خودش استفاده میکند. آنها از این روش جدید در انواع وظایف یادگیری مانند یادگیری با ناظر، بدون ناظر و یا نیمه نظارتی یا یادگیری انتقالی استفاده کرده اند. آنها این روش را حتی با ابزارهای فعلی مانند شبکه های عمیق گن(GAN) نیز ترکیب کرده اند که منجر به بهبود قابل توجهی در عملکرد این سیستم ها شده است.
#machinelearning #artificialintelligence #duallearning #gan
@pythonicAI